English  |  正體中文  |  简体中文  |  全文筆數/總筆數 : 64745/64745 (100%)
造訪人次 : 20383177      線上人數 : 370
RC Version 7.0 © Powered By DSPACE, MIT. Enhanced by NTU Library IR team.
搜尋範圍 查詢小技巧:
  • 您可在西文檢索詞彙前後加上"雙引號",以獲取較精準的檢索結果
  • 若欲以作者姓名搜尋,建議至進階搜尋限定作者欄位,可獲得較完整資料
  • 進階搜尋


    請使用永久網址來引用或連結此文件: http://ir.lib.ncu.edu.tw/handle/987654321/7743


    題名: 用卜瓦松與負二項分配建構非負連續隨機變數平均數之概似函數;Building likelihood function for non-negative continuous random variates using Poisson and negative binomial odels.
    作者: 戴名祥;Ming-Shiang Dai
    貢獻者: 統計研究所
    關鍵詞: 強韌概似函數;卜瓦松分配;負二項分配;Poisson distribution;robust likelihood function;negative binomial distribution
    日期: 2009-06-03
    上傳時間: 2009-09-22 11:03:44 (UTC+8)
    出版者: 國立中央大學圖書館
    摘要: 當我們分析一筆資料時,常常會根據資料的型態,對資料作參數模型的假設,但是當模型假設錯誤時,分析的結果會有錯誤。本文在Royall and Tsou (2003)的強韌概似函數理念下,針對不同類型的非負連續資料,以離散型分配卜瓦松與負二項的強韌概似函數提供正確的統計推論。經由模擬發現,這兩類模型表現比連續型分配的常態強韌概似函數好,而在一些情況下,表現不比連續型伽瑪強韌概似函數與逆高斯強韌概似函數差。文中也以不適合強韌化的連續型對數常態分配作為反例,說明可強韌化條件(Royall and Tsou, 2003)的重要。 The purpose of this research is trying to use discrete distribution to construct a likelihood function for non-negative continuous data. We focus on the Poisson distribution and negative binomial distribution and use the robust likelihood methodology introduced by Royall and Tsou (2003). Finally, we can see that the robust Poisson model and the robust negative binomial model are more efficient than the robust normal model. Moreover, we use a counter-example to illustrate that it is not coincidental.
    顯示於類別:[統計研究所] 博碩士論文

    文件中的檔案:

    檔案 大小格式瀏覽次數
    0KbUnknown745檢視/開啟


    在NCUIR中所有的資料項目都受到原著作權保護.

    社群 sharing

    ::: Copyright National Central University. | 國立中央大學圖書館版權所有 | 收藏本站 | 設為首頁 | 最佳瀏覽畫面: 1024*768 | 建站日期:8-24-2009 :::
    DSpace Software Copyright © 2002-2004  MIT &  Hewlett-Packard  /   Enhanced by   NTU Library IR team Copyright ©   - 回饋  - 隱私權政策聲明